Pandas 数据处理三大利器 apply、map、applymap

 

写在前面

        · apply：应用在DataFrame的行或列中，也可以应用到单独一个Series的每个元素中

        · map：应用在单独一个Series的每个元素中

        · applymap：应用在DataFrame的每个元素中

目录

一、apply

1、apply应用到DataFrame中

2、apply应用到Series中

 二、map

 三、applymap

---

一、apply

apply是沿DataFrame的轴应用功能，传递给函数的对象是Series对象，其索引为DataFrame的索引（axis = 0''）或DataFrame的列（axis = 1''）

构建df表：

1、apply应用到DataFrame中

需求：如果我们求一下每一列的极差，注意axis参数的设置，一般默认为0，即求每一列的极差

 apply的参数可以直接接收现成的函数，也可以接收自定义函数，比如自定义的求极差匿名函数：

 通过对轴信息的设置，也可以求每一行的极差：

注意：结果的索引能够很明显看出现在求的是行极差还是列极差，如果是行极差，索引是行标签，如果是列极差，索引是列名。

        另外，对整个DataFrame运用apply的时候，要保证所有的字段都是符合作为参数的函数要求才可以，比如在例子中求极值得保证所有字段都是数值型才行，如果整个DataFrame不能满足要求，可以把符合要求的字段切出来再应用apply。如果有需要，也可以把求的结果添加到原表当中。

2、apply应用到Series中

 需求：将A列的所有元素转换数据类型，从整型转换成浮点型：

总结：apply运用到整个DataFrame中可以执行整列或者整行的运算，运用到Series中，执行的是对每个元素的运算，这个运算map也可以实现。

 二、map

map是应用于Series的，参数可以是函数也可以字典。

创建表df1：

需求：将性别转换成0和1，女为0，男为1。

        这个时候可以用map()代替循环 轻松实现转换，先看下通过函数传参处理形式：

def gender(x):  
    if x == "男":
        G = 1
    else 0
    return G
df1['性别'].map(gender)

map的参数除了可以是参数，也可以是字典，这和apply对参数的要求不同：

三、applymap

applymap是把函数应用到DataFrame中的每个元素上的，要和apply对整列或者整行进行的操作区分开，apply想要直接对每个元素进行操作，得单独提取出Series才可以实现，不能直接再整个DataFrame上执行。

创建表df：

需求：要把每个元素的数据类型都转换成浮点型。applymap（）就派上用场了

总结：

        apply：

                · 既可以用在DataFrame，也可以用到单独的Series中

                · 运用到DataFrame时，是用到了整行或者整列上，不是逐一运用到每个元素上

                · 运用到Series时，作用到每个元素上

                · 第一个参数只接收python原生函数或者numpy中的函数

        map：

                · 只能运用到Series的每个元素上

                · 参数可以是函数也可以是字典，还可以是序列

        applymap：

                · 只能应用在DataFrame中，并且是作用在DataFrame的每个元素中

                · 参数只接收可调用的函数。